🤖 machine learning

Omissive Bias in Religious Representation: Benchmarking LLM Answers to Everyday Ethical Decision-making

यह शोध पत्र "ओमिसिव बायस" (omissive bias) की अवधारणा और "ऑलफेथ रिलिजियस रिप्रेजेंटेशन बेंचमार्क" (AllFaith Religious Representation Benchmark) को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि बड़े भाषा मॉडल (large language models), मानवीय अपेक्षाओं की तुलना में, रोजमर्रा के नैतिक निर्णय लेने में, विशेष रूप से व्यावहारिक व्यक्तिगत स्थितियों में, धार्मिक दृष्टिकोणों का व्यवस्थित रूप से कम प्रतिनिधित्व करते हैं।

David Wingate, Sheryl Carty, Joshua Coates, Daniel Feldman, Nancy Fulda, Larry Howell, Brett Israelson, Dallin Jacobs, J (…)2026-05-26
🤖 machine learning

Interdomain Attention: Beyond Token-Level Key-Value Memory

यह शोध पत्र इंटरडोमेन अटेंशन (Interdomain Attention) का प्रस्ताव करता है, जो एक नवीन आर्किटेक्चर है जो कर्नेल विधियों के माध्यम से स्टेट स्पेस मॉडल्स (SSMs) को अटेंशन मैकेनिज्म में एकीकृत करके एक निश्चित आकार के स्टेट पर क्वेरी-कंडीशन्ड अटेंशन प्राप्त करता है, जिससे SSMs की स्केलेबिलिटी और लंबाई-रोबस्टनेस को कंटेंट-आधारित मिलान के प्रदर्शन लाभों के साथ जोड़ा जा सके।

Naoki Kiyohara, Harrison Bo Hua Zhu, Riccardo El Hassanin, Zhuo Sun, Wenlong Chen, Samir Bhatt, Yingzhen Li2026-05-26
🤖 machine learning

ChainzRule: Sample-Efficient, Robust Deep Learning Across Tabular, NLP, and Vision Tasks

ChainzRule एक नवीन न्यूरल आर्किटेक्चर है जो मानक एक्टिवेशन्स को डिफरेंशियल रेगुलराइजेशन द्वारा नियंत्रित सीखने योग्य पॉलीनोमियल लेयर्स से बदल देता है ताकि लो-फ्रीक्वेंसी, स्थिर रिप्रजेंटेशन्स को लागू किया जा सके, जिससे विविध टैबुलर, एनएलपी और विजन कार्यों में मानक मॉडलों के समान इन्फरेंस लागत बनाए रखते हुए सैंपल एफिशिएंसी, रोबस्टनेस और इंटरप्रिटेबिलिटी में सांख्यिकीय रूप से महत्वपूर्ण सुधार प्राप्त किया जा सके।

Rowan Martnishn2026-05-26
🤖 machine learning

Refined Analysis of Entropy-Regularized Actor-Critic

यह शोध पत्र प्रदर्शित करता है कि सीमित छूट वाले वातावरणों (finite discounted environments) के लिए एंट्रॉपी-नियमित एक्टर-क्रिटिक विधियों में, एक सटीक क्रिटिक को बेसलाइन के रूप में उपयोग करने से डिटरमिनिस्टिक पॉलिसी ग्रेडिएंट की इष्टतम सैंपल कॉम्प्लेक्सिटी प्राप्त होती है, जबकि एक सीखे हुए क्रिटिक के साथ भी तीव्र अभिसरण (rapid convergence) बना रहता है यदि उसकी अनुमान त्रुटि पर्याप्त रूप से कम रहे।

Safwan Labbi, Paul Mangold, Daniil Tiapkin, Eric Moulines2026-05-26
🤖 machine learning

Treatment Effect Estimation with Differentiated Networked Effect on Graph Data

यह शोध पत्र व्यक्तिगत उपचार प्रभावों (individual treatment effects) के अनुमान के लिए एक नवीन ग्राफ-आधारित पद्धति प्रस्तावित करता है जो आंशिक अटेंशन तंत्र (partial attention mechanisms) और एक संदेश एम्पलीफायर (message amplifier) का उपयोग करके विभेदित नेटवर्क प्रभावों (differentiated networked effects) की उपेक्षित चुनौती को स्पष्ट रूप से संबोधित करता है ताकि विभिन्न पड़ोसी महत्व और पैमानों को सटीक रूप से मॉडल किया जा सके, जिससे यह वास्तविक दुनिया के डेटासेट पर मौजूदा दृष्टिकोणों से बेहतर प्रदर्शन करता है।

Xiaofeng Lin, Han Bao, Hisashi Kashima2026-05-26
📊 statistics

Multicalibration Boosting: Theory, Convergence, and Transferability

यह शोध पत्र मल्टीकैलिब्रेशन बूस्टिंग (MCBoost) के लिए एक एकीकृत सैद्धांतिक ढांचे को प्रस्तुत करता है जो मौजूदा वेरिएंट्स को समाहित करता है, यथार्थवादी स्थितियों के तहत ब्रेगमन प्रोजेक्शन (Bregman projection) की ओर अभिसरण स्थापित करता है, अर्ली स्टॉपिंग द्वारा नियंत्रित कैलिब्रेशन-रिस्क ट्रेड-ऑफ को स्पष्ट करता है, और कोवेरिएट शिफ्ट (covariate shifts) तक ट्रांसफर गारंटी का विस्तार करता है, जिससे विश्वसनीय और निष्पक्ष भविष्य कहनेवाला मॉडलिंग (predictive modeling) के लिए एक व्यापक आधार प्रदान होता है।

Hanxuan Ye, Hongzhe Li2026-05-26
🤖 machine learning

Learning Laplacian Eigenspace with Mass-Aware Neural Operators on Point Clouds

यह शोध पत्र न्यूरल आइजनस्पेस ऑपरेटर (NEO) को प्रस्तुत करता है, जो एक फीड-फॉरवर्ड फ्रेमवर्क है जो मास-अवेयर अटेंशन के साथ इनवेरिएंट सबस्पेस सीखकर पॉइंट क्लाउड्स से स्थिर लो-फ्रीक्वेंसी लैपलेसियन आइजनस्पेस को कुशलतापूर्वक अनुमानित करता है, जिससे आइजनवेक्टर अस्पष्टताओं से बचा जा सकता है और पारंपरिक इटरेटिव सॉल्वर की तुलना में लगभग लीनियर स्पीडअप प्राप्त किया जा सकता है।

Zherui Yang, Tao Du, Ligang Liu2026-05-26
🤖 machine learning

AvAtar: Learning to Align via Active Optimal Transport

यह शोध पत्र AvAtar का प्रस्ताव करता है, जो ऑप्टिमल ट्रांसपोर्ट-आधारित संरेखण (alignment) के लिए एक सिद्धांत-आधारित सक्रिय शिक्षण (active learning) ढांचा है, जो ग्रेडिएंट प्रोपेगेशन के माध्यम से उम्मीदवार सूचनात्मकता (informativeness) को परिमाणित करके उच्च-गुणवत्ता वाली पर्यवेक्षण (supervision) की कुशलतापूर्वक पहचान करता है, और रैखिक जटिलता (linear complexity) तथा गारंटीकृत अभिसरण (convergence) प्राप्त करने के लिए एडजॉइंट-स्टेट विधि (adjoint-state method) का लाभ उठाता है।

Qi Yu, Ruizhong Qiu, Zhichen Zeng, My T. Thai, Huan Liu, Hanghang Tong2026-05-26
🤖 machine learning

Generative OOD-regularized Model-based Policy Optimization

यह शोध पत्र जेनेरेटिव ओओडी-रेगुलराइज्ड मॉडल-बेस्ड पॉलिसी ऑप्टिमाइजेशन (GORMPO) प्रस्तुत करता है, जो एक नवीन ऑफलाइन सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) एल्गोरिदम है जो नीति अपडेट को उच्च-घनत्व वाले क्षेत्रों तक सीमित करने के लिए जेनेरेटिव डेंसिटी मॉडल को एकीकृत करता है, जिससे यह वास्तविक दुनिया के चिकित्सा और विरल (स्पार्स) डेटासेट पर अत्याधुनिक बेसलाइनों से बेहतर प्रदर्शन करता है और यह प्रदर्शित करता है कि ओओडी (OOD) डिटेक्शन की प्रभावशीलता पर्यावरणीय गतिकी (डायनामिक्स) पर निर्भर करती है।

Aysin Tumay, Jiahe Huang, Elise Jortberg, Rose Yu2026-05-26
🤖 machine learning

A Unified Python Framework for Direct PPO-based Control of AHUs with Economizer Logic and CO2-Constrained Ventilation

यह शोध पत्र एक एकीकृत पायथन फ्रेमवर्क प्रस्तुत करता है जो इकोनॉमाइज़र लॉजिक और एक पदानुक्रमित प्रवाह तंत्र के साथ प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) का उपयोग करके एयर हैंडलिंग यूनिट्स को नियंत्रित करता है, जहाँ यह तंत्र CO2 स्तर को 1000 ppm से नीचे बनाए रखने के लिए एजेंट की क्रियाओं को ओवरराइड करता है, जो पारंपरिक PID और On-Off नियंत्रकों की तुलना में बेहतर तापमान स्थिरता और ऊर्जा दक्षता प्रदर्शित करता है।

Erfan Haghighat Damavandi, Davide Papurello, Mahdi Alibeigi, Armin Keshavarz, Simone Canevarolo, Marco Condo2026-05-26